Nel corso del tempo, ho deciso di scrivere una serie di post che spero possano servire da introduzione ai principali temi “di base” nel campo della statistica descrittiva e dell’analisi delle serie storiche. Li raggruppo qui in modo che possano costituire un percorso, un modo per intraprendere un cammino che spero stimolante.<\/p>\n\n\n\n
Introduzione: Un breve manifesto (personale) per l’attivit\u00e0 SEO<\/strong><\/a><\/p>\n\n\n\n 1.<\/strong> I dati: scale di misura<\/strong><\/a> 2. Statistica descrittiva: misure di posizione e tendenza centrale.<\/a><\/strong><\/p>\n\n\n\n Le misure di tendenza centrale | La media aritmetica | La media di dati raggruppati | La media ponderata | La media geometrica | La media armonica | La media troncata | La mediana | La mediana di dati raggruppati | La moda | Moda di dati raggruppati | Relazione tra media, mediana e moda | Quartili, decili e percentili | Quartili, decili e percentili di dati raggruppati | Uno sguardo d’insieme: gli utilissimi 5 numeri | Aiutiamoci con un grafico furbo: il box-plot.<\/p>\n\n\n\n 3. Statistica descrittiva: misure di dispersione (o variabilit\u00e0)<\/a><\/strong> 4<\/strong>. I primi passi nel mondo della probabilit\u00e0: spazio campionario, eventi, permutazioni e combinazioni<\/a><\/strong> 5. Distribuzioni di probabilit\u00e0: distribuzioni discrete \u2013 La Binomiale<\/a><\/strong> 6. La distribuzione beta<\/strong><\/a> 7. La distribuzione geometrica<\/a><\/strong> 8. La distribuzione ipergeometrica<\/a><\/strong> 9. La distribuzione binomiale negativa (o distribuzione di Pascal)<\/a><\/strong> 10. La distribuzione di Poisson<\/a><\/strong> 11. La distribuzione normale<\/a><\/strong> 12. Il Teorema del Limite Centrale: perch\u00e9 la statistica funziona (anche quando i dati non sono normali)<\/a><\/strong> 13. Il test delle ipotesi<\/a><\/strong> 14. La distribuzione t e il test delle ipotesi<\/a> <\/strong> 15. Il t test per due campioni. Come testare una ipotesi per campioni dipendenti o indipendenti<\/a><\/strong> 16.<\/strong> Cosa sono gli intervalli di confidenza<\/a><\/strong>, come si calcolano per medie e proporzioni, e qual \u00e8 il malinteso pi\u00f9 comune. Esempi pratici con dati SEO e codice R.<\/p>\n\n\n\n 17. Campionamento e dimensione campionaria: quanti dati servono?<\/a><\/strong> 18. A\/B Testing: come condurre esperimenti statisticamente validi (e gli errori da evitare)<\/a><\/strong> 19. Statistica bayesiana: come imparare dai dati, un passo alla volta<\/a><\/strong> 20. Anomaly detection: come identificare valori anomali nei dati<\/a><\/strong> 21. Tabelle di contingenza e probabilit\u00e0 condizionata<\/a><\/strong> 22. Il test del chi quadrato: bont\u00e0 di adattamento e test di indipendenza<\/a><\/strong> 23. Test statistici parametrici e non parametrici<\/a><\/strong> 24. L’analisi della varianza, Anova. Spiegata semplice<\/a><\/strong> 25. L’indice di Gini: cos’\u00e8, perch\u00e8 \u00e8 importante, come calcolarlo in R<\/a><\/strong> 26. Correlazione e analisi della regressione \u2013 la regressione lineare<\/a><\/strong> 27.L’analisi di regressione multipla, spiegata semplice<\/a><\/strong> 28. Come prevedere il risultato di un evento: la Regressione Logistica. <\/a><\/strong> 29. Analisi delle serie storiche e previsioni di serie temporali in R <\/a><\/strong> 30. Multicollinearit\u00e0, eteroschedasticit\u00e0, autocorrelazione: tre concetti dai nomi difficili (spiegati semplici)<\/a><\/strong> 31.<\/strong> Capire i concetti di base del Machine Learning: una guida per principianti<\/strong><\/a> Nel corso del tempo, ho deciso di scrivere una serie di post che spero possano servire da introduzione ai principali temi “di base” nel campo della statistica descrittiva e dell’analisi delle serie storiche. Li raggruppo qui in modo che possano costituire un percorso, un modo per intraprendere un cammino che spero stimolante. Statistica e SEO. … Leggi tutto “Statistica e SEO”<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_uag_custom_page_level_css":"","footnotes":""},"class_list":["post-1981","page","type-page","status-publish","hentry"],"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"post-thumbnail":false},"uagb_author_info":{"display_name":"paolo","author_link":"https:\/\/www.gironi.it\/blog\/author\/paolo\/"},"uagb_comment_info":0,"uagb_excerpt":"Nel corso del tempo, ho deciso di scrivere una serie di post che spero possano servire da introduzione ai principali temi “di base” nel campo della statistica descrittiva e dell’analisi delle serie storiche. Li raggruppo qui in modo che possano costituire un percorso, un modo per intraprendere un cammino che spero stimolante. Statistica e SEO.…","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages\/1981","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/comments?post=1981"}],"version-history":[{"count":5,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages\/1981\/revisions"}],"predecessor-version":[{"id":3566,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages\/1981\/revisions\/3566"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=1981"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Dati quantitativi e qualitativi | I 4 livelli di misura | La scala nominale | Misure di tipo ordinale | La scala a intervalli equivalenti | La scala a rapporti equivalenti | Livello di complessit\u00e0 dei tipi di misurazione<\/p>\n\n\n\n
Il campo di variabilit\u00e0 (o gamma) | Lo scarto medio | La varianza | Lo scarto quadratico medio (o deviazione standard) | Il coefficiente di variazione | La forma di una distribuzione | La curtosi.<\/p>\n\n\n\n
La Probabilit\u00e0 | Il principio di additivit\u00e0 delle probabilit\u00e0 per eventi incompatibili | Il principio di moltiplicazione delle probabilit\u00e0 | La Permutazione | Il concetto di Combinazione | La distribuzione binomiale come esempio di applicazione della probabilit\u00e0 e della combinatoria<\/p>\n\n\n\n
Variabili discrete e variabili continue | Distribuzioni discrete | Distribuzioni continue | Evento s\u00ec o evento no? La variabile casuale di Bernoulli | La distribuzione binomiale | Il coefficiente binomiale con la Casio | Il coefficiente binomiale con la ti-83 | Media, valore atteso, varianza di una distribuzione binomiale | Senza reintroduzione? La distribuzione ipergeometrica.<\/p>\n\n\n\n
Una distribuzione di probabilit\u00e0 importante nella statistica bayesiana | Un esempio pratico, usando R<\/p>\n\n\n\n
Quanti tentativi per avere un primo risultato positivo? | E’ giunto il momento degli esempi | Usiamo R o la TI 83 | In R.<\/p>\n\n\n\n
Partiamo dalla formula | La distribuzione ipergeometrica spiegata con esempi | Pu\u00f2 mancare un esempio con urna e palline? | Per approfondire il tema della distribuzione ipergeometrica<\/p>\n\n\n\n
Definiamo la distribuzione binomiale negativa (o di Pascal) | Esempi di utilizzo della distribuzione binomiale negativa | Differenze tra la distribuzione geometrica e quella di Pascal<\/p>\n\n\n\n
Lambda: il tasso medio di eventi che si verificano in un determinato intervallo di tempo o spazio | Una breve nota a margine: Poisson e Binomiale | Ma allora quali sono le differenze tra la distribuzione di Poisson e quella binomiale? | La distribuzione di Poisson in pratica: un esempio | La distribuzione di Poisson applicata alla seo: vantaggi e controindicazioni | Cenni su modelli alternativi per l’analisi del traffico del sito web | Un altro esempio: usare la Poisson per stime di probabilit\u00e0 sui clic di un sito web<\/p>\n\n\n\n
Visualizzare la \u201cnormalit\u00e0\u201d dei nostri dati | Trasformare i dati | La regola empirica | Standardizzare \u00e8 bello (e utile\u2026) | E ora la parte divertente: gli esempi! | La diseguaglianza di Chebyshev
<\/p>\n\n\n\n
Cos’\u00e8 il Teorema del Limite Centrale | Perch\u00e9 \u00e8 cos\u00ec importante | Una simulazione in R | La regola pratica: quanto deve essere grande n? | Il TLC e l’errore standard | Un esempio pratico: il traffico organico giornaliero | Quando il TLC non basta<\/p>\n\n\n\n
Ipotesi statistiche | Errori di I e II tipo | Una o due code? Questo \u00e8 il problema\u2026 | Stabilisco l’ipotesi nulla e l’ipotesi alternativa | Fisso il livello di significativit\u00e0 (alpha level) | Scelgo la distribuzione e Raccolgo e analizzo i dati | Traggo le conclusioni | Semplificarsi la vita: scrivo una funzione in R | Uso una TI-83 | Con la Casio | La probabilit\u00e0 di un errore della seconda specie | Potenza? Ma non era una citt\u00e0? | Determinare la dimensione che il campione deve avere per il test della media | E se non conosco i dati della popolazione?<\/p>\n\n\n\n
Una breve digressione storica | Un esempio vale mille spiegazioni | Un’alternativa alle regioni critiche: guardare al valore p | Con la ti-83 | Calcolare il p-value con la Casio | Stima, margine di errore e intervallo di confidenza: controlliamo il risultato del test delle ipotesi | L’intervallo di confidenza con la TI-83 | L’intervallo di confidenza con la Casio | Il t-test, il calcolo del p-value e l’intervallo di confidenza con R.<\/p>\n\n\n\n
Il test delle ipotesi per campioni indipendenti | T-test per dati appaiati: il test delle ipotesi per campioni dipendenti | E’ arrivato il momento di un esempio
<\/p>\n\n\n\n
I tipi di campionamento (casuale, stratificato, sistematico) | La dimensione campionaria: la matematica dietro la stima | Calcolo in R e Python | Dalla stima all’A\/B Testing | Errore campionario vs Bias<\/p>\n\n\n\n
Cos’\u00e8 un A\/B test | Formulare correttamente un A\/B test: z-test per due proporzioni | Esempio pratico: conversion rate di due landing page con prop.test() | Gli errori pi\u00f9 comuni: peeking, comparazioni multiple, potenza del test, significativit\u00e0 statistica vs pratica | Approccio frequentista vs bayesiano con distribuzione Beta | Esempio pratico SEO: meta description A\/B test<\/p>\n\n\n\n
Due modi di pensare l’incertezza: frequentisti e bayesiani | Il Teorema di Bayes: derivazione e componenti (prior, likelihood, posterior, evidence) | Esempio numerico completo in R: tasso di click di una campagna ads | L’aggiornamento sequenziale: il posterior di oggi \u00e8 il prior di domani | Prior informativi e non informativi | Credible interval vs confidence interval | Quando usare l’approccio bayesiano<\/p>\n\n\n\n
Perch\u00e9 riconoscere le anomalie \u00e8 il primo passo dell’analisi | Il dataset di lavoro: sessioni simulate con anomalie iniettate | Metodo 1: lo z-score e la regola empirica | Metodo 2: IQR e il metodo di Tukey | Metodo 3: il test di Grubbs e l’approccio iterativo | Confronto tra i tre metodi su un dataset di traffico web<\/p>\n\n\n\n
Tabelle a doppia entrata e distribuzioni marginali | La probabilit\u00e0 condizionata | Dipendenza e indipendenza | Esaminiamo l’indipendenza di variabili categoriche.<\/p>\n\n\n\n
Il Test della bont\u00e0 di adattamento (Goodness of Fit<\/em>) | Capire attraverso un semplice esempio | Mi semplifico la vita usando una calcolatrice scientifica Casio | Uso R per il test della bont\u00e0 di adattamento | Il Test di Indipendenza | Il Test di indipendenza con la Casio| Il test di indipendenza con R.<\/p>\n\n\n\n
Test parametrici: il potere della normalit\u00e0 | Test non parametrici: versatilit\u00e0 e creativit\u00e0.<\/p>\n\n\n\n
Anova: un test di tipo parametrico | Perch\u00e8 Anova e non una serie di t-test? | Il caso pi\u00f9 semplice: Anova a una via | Il modo \u201cclassico\u201d (e un po’ tedioso) di svolgere un test Anova: la tabella Anova | Quanta fatica\u2026 E’ ora di sfruttare tutta la potenza di R<\/p>\n\n\n\n
La curva di Lorenz | Ma spiegarsi con un esempio chiaro? | La definizione dell’indice di concentrazione R | Calcoliamo il valore di R\u2026 in R! | E se non uso R? | Uno sguardo al valore dell’indice di Gini nel mondo, in Europa e in Italia.<\/p>\n\n\n\n
La Regressione semplice | Il coefficiente di correlazione di Pearson, R | Il coefficiente di determinazione R2 | Una digressione: il coefficiente di correlazione per ranghi di Spearman | Troviamo l’equazione di regressione | Valori anomali e punti di influenza |Le assunzioni del modello | Analisi dei residui | L’analisi di regressione: difficolt\u00e0 pratiche | Altri tipi di coefficienti di correlazione | Il coefficiente di correlazione punto-biseriale | Il coefficiente phi | Il coefficiente di correlazione per ranghi rho di Spearman (e un accenno al tau di Kendall).<\/p>\n\n\n\n
L’equazione della regressione multipla | Quali informazioni posso ricavare? | Un po’ di requisiti per cominciare | In pratica, come procedere? | Mettiamoci all’opera! | Bello, ma quanto \u00e8 buono il mio modello? | Sintesi finale<\/p>\n\n\n\n
Come funziona la regressione logistica e i passi per costruirla | Un esempio in R: calcolare la probabilit\u00e0 di sopravvivenza sul Titanic | Un po’ di matematica: l’equazione logit | Tiriamo le somme | Risorse per approfondire<\/p>\n\n\n\n
Cosa si intende per serie storica, o serie temporale | Un po’ di teoria. L’analisi classica delle serie temporali. La decomposizione di una serie storica | Le quattro componenti \u201cclassiche\u201d e il loro legame | Un breve ripasso: le utili propriet\u00e0 utili dei logaritmi | Creare una serie temporale in R partendo da un vettore o un data frame | Utili funzioni relative a una serie temporale | Disegnare una o pi\u00f9 serie storiche | Tecniche di lisciamento (smoothing<\/em>) | Un esempio di uso delle serie storiche per il SEO | Limitare l’effetto della stagionalit\u00e0 attraverso le medie mobili | Elimino il trend stagionale usando la differenza | Decompongo la serie storica attraverso le medie mobili |Decompongo la serie con il metodo LOESS | Livellamento esponenziale con il metodo di Holt-Winters<\/em> e previsione | Indagare le serie storiche con i modelli ARIMA | Il rumore bianco (white noise<\/em>) | La passeggiata aleatoria (random walk<\/em>) | Il modello ARIMA in azione | Vediamo un esempio pratico di modello ARIMA.<\/p>\n\n\n\n
La multicollinearit\u00e0 | Come ridurre il problema? | Eteroschedasticit\u00e0 |Autocorrelazione | Ma come faccio a verificare la presenza di autocorrelazione?<\/p>\n\n\n\n
Introduzione | Cos’\u00e8 il Machine Learning | Tipi di Machine Learning: Machine Learning supervisionato e non supervisionato | Le fasi principali del processo di utilizzo del Machine Learning | Come iniziare ad apprendere il Machine Learning: tutorial e risorse | Sperimentare con il codice: Jupyter Lab e Google Colab<\/p>\n","protected":false},"excerpt":{"rendered":"